Cómo usa la gente los agentes de IA

Se decía que 2025 sería el año en que la tecnología de agentes de IA se popularizaría. Hoy anunciamos que Perplexity y los investigadores de Harvard han publicado el primer estudio a gran escala sobre cómo utiliza realmente la gente a los agentes de IA en el mundo real.

Nuestros investigadores plantearon tres preguntas fundamentales: ¿Quién adopta los agentes de IA? ¿Con qué intensidad los utilizan? ¿Y qué tareas delegan a sus asistentes de IA? Al analizar cientos de millones de interacciones anonimizadas de los usuarios de Comet y Comet Assistant, hemos descubierto patrones fundamentales sobre la adopción y el uso de agentes.

Los hallazgos cuestionan algunas narrativas comunes. Por ejemplo, los agentes son buenos para reservar hoteles o gestionar tareas rutinarias, pero también sirven como socios en el trabajo cognitivo profundo. Están remodelando la forma en que aprendemos, trabajamos y resolvemos problemas.

Un socio de razonamiento más que un mayordomo

Una visión popular de los agentes de IA es el caso de uso del "conserje digital", en el que los humanos descargan tareas sencillas para ahorrar tiempo. Sin embargo, cuando clasificamos millones de interacciones de los usuarios, descubrimos que el 57% de toda la actividad de los agentes se centra en el trabajo cognitivo. El treinta y seis por ciento de las tareas más comunes se clasifican como tareas de productividad y flujo de trabajo, con otro 21% clasificado como aprendizaje e investigación.

Se trata de tareas que aumentan la capacidad humana. Un profesional de adquisiciones utilizó el asistente Comet para escanear estudios de casos de clientes e identificar casos de uso relevantes antes de trabajar con un proveedor. Un estudiante pidió al agente que navegara por los materiales del curso y analizara lo que estaba aprendiendo. Un trabajador de finanzas delegó las tareas de filtrar opciones de acciones y analizar información de inversión. En cada caso, el agente manejó la recopilación de información y la síntesis inicial de forma autónoma, proporcionando al usuario la información que necesitaba para emitir juicios y decisiones finales, e implementando esas decisiones a su solicitud.

El caso de uso de "socio de razonamiento" respaldado por nuestros datos muestra que los usuarios quieren ampliar su capacidad para hacer cosas difíciles. La gente no utiliza el asistente Comet para evitar el trabajo, sino para hacer un mejor trabajo.

La evolución de las tendencias de uso hacia la utilidad

Uno de los patrones más reveladores del estudio es el recorrido del usuario. La forma en que utiliza un agente el primer día rara vez es la misma que el día 100.

Los nuevos usuarios suelen probar el terreno con consultas de bajo riesgo. Preguntan sobre planes de viaje, recomendaciones de películas o curiosidades generales. Gradualmente, se produce un cambio. Nuestro análisis de las transiciones de consulta muestra una fuerte atracción gravitatoria hacia la productividad. Un usuario puede empezar preguntando sobre un lugar de vacaciones, pero una vez que utiliza el agente para depurar un script de Python o resumir un informe financiero, rara vez vuelve atrás. Las categorías de productividad y flujo de trabajo tienen las tasas de retención más altas, y los usuarios que se involucran en tareas de aprendizaje o investigación desde el principio tienen muchas más probabilidades de convertirse en usuarios activos a largo plazo.

Esto refleja los primeros días del ordenador personal. A menudo se vendía como una herramienta para la gestión de recetas o juegos, pero se volvió indispensable gracias a las hojas de cálculo y al procesamiento de textos. Los agentes de IA siguen la misma trayectoria.

¿Quién utiliza los agentes? Adopción frente a intensidad

La métrica más reveladora no es quién adopta los agentes de IA, sino quién depende de ellos. La brecha entre las tasas de adopción y la intensidad de uso revela dónde la tecnología ha pasado de ser una novedad a una necesidad. Las brechas estrechas indican un cambio de comportamiento genuino, y seis ocupaciones principales impulsan ahora el 70% de toda la actividad de los agentes.

Ciertos sectores destacan por encima del resto. Aunque los tecnólogos digitales lideran naturalmente el volumen (30% de las consultas), los campos intensivos en conocimiento como marketing, ventas, gestión y emprendimiento demuestran la mayor "adherencia". Una vez que estos profesionales adoptan un agente, su intensidad de uso supera sus cifras de adopción a medida que integran el asistente en su flujo de trabajo diario.

El contexto también importa. Los usuarios despliegan el asistente Comet para resolver los puntos de fricción específicos de su industria. Los profesionales de las finanzas se centran mucho en la eficiencia, dedicando el 47% de las consultas a tareas de productividad. Los estudiantes se centran en la utilidad, con un 43% de las tareas asignadas al aprendizaje y la investigación. En diseño y hostelería, es aún más fácil ver cómo el uso específico del contexto domina, desde el trabajo de medios para diseñadores hasta la planificación de viajes para el personal de hostelería.

En última instancia, los datos demuestran que el asistente Comet es altamente versátil y refleja las necesidades específicas de su usuario. En un contexto educativo, es un motor de investigación especializado, mientras que en un contexto profesional, se convierte en un asistente polivalente. Los contextos personales representan más de la mitad de todo el volumen de consultas.

El nuevo trabajo de conocimiento es el trabajo de cuestionamiento

Este estudio proporciona la primera prueba empírica de que nos dirigimos hacia una economía de inteligencia híbrida. El dominio de las tareas cognitivas en nuestros datos sugiere que los agentes de IA están escalando el trabajo cognitivo humano. A medida que estas herramientas maduren, esperamos que la "adherencia" de las tareas de productividad se profundice.

A medida que 2025 llega a su fin, ya no nos preguntamos si la gente usará agentes de IA. Sabemos que lo están haciendo. La pregunta ahora es qué tan rápido se adaptará el resto de la economía a una fuerza laboral que piensa, aprende y construye con un socio inteligente siempre en el ciclo. Para leer más sobre nuestra metodología, especificaciones de taxonomía y análisis estadístico, consulte el documento de investigación completo aquí.